Kliiniline dokumenteerimine perearstipraksises on alati kompromisside küsimus. Narratiivne märge talletab ebakindlust, konteksti ja nüansse arsti enda sõnadega. Kuid kuna perearstipraksised peavad edastama täpseid, kodeeritud andmeid riiklikesse registritesse, Quality and Outcomes Framework süsteemidesse ning integreeritud tervishoiusüsteemi juhtpaneelidele, õõnestab seesama narratiivne märge vaikselt rahvastiku terviseandmete kvaliteeti. Lõhe selle vahel, kuidas arstid dokumenteerivad ravi, ja selle vahel, mida aruandlussüsteemid tegelikult lugeda suudavad, ei ole väike tehniline ebamugavus. See on struktuurne probleem, millel on mõõdetavad tagajärjed haigusregistritele, ressursside jaotamisele ja tervise võrdsusele.

Mida struktureerimata vabateksti dokumenteerimine praktikas tähendab

Perearstipraksise konsultatsioonides on vabateksti märkmed narratiivsed kirjed, mis on kirjutatud otse patsiendi andmesüsteemi arsti enda sõnastuses. Need erinevad struktureeritud, kodeeritud väljadest, mis määravad diagnoosidele, sümptomitele, ravimitele ja tulemustele standardiseeritud identifikaatorid. Arst võib märkmetesse kirjutada: „patsient teatab, et tunneb end madalas tujus, uni on häiritud, söögiisu vähenenud, tõenäoliselt depressioon, arutati valvel ootamist". See kirje on kliiniliselt tähenduslik, kuid aruandlussüsteemi jaoks jääb see nähtamatuks.

Vabatekst on esmatasandi tervishoius kliinilise dokumenteerimise domineeriv viis mõistetavatel põhjustel. See on kiirem kui struktureeritud mallide vahel liikumine kümneminutilise konsultatsiooni ajal. See võimaldab talletada kliinilist ebakindlust: seisundeid, mida kahtlustatakse, kuid mis pole kinnitatud; sümptomeid, mis ei sobitu veel diagnostilisse kategooriasse; või patsiendi kirjeldatud kogemusi, mis ei allu standardiseeritud siltidele. See säilitab konsultatsiooni inimliku mõõtme viisil, mida rippmenüü ei suuda. Üle 80 protsendi digitaalsetest tervishoiuandmetest on struktureerimata ning esmatasandi tervishoius pole see erand.

Kuidas rahvastiku tervise aruandlus perearstipraksistes toimib

Rahvastiku tervise aruandlus perearstipraksises tugineb peaaegu täielikult struktureeritud, masinloetavatele andmetele. Kui arst määrab diagnoosile või kliinilisele leiule SNOMED CT koodi (Systematized Nomenclature of Medicine Clinical Terms, meditsiini kliiniliste terminite süstematiseeritud nomenklatuur) konsultatsiooni ajal või pärast seda, salvestatakse see kood patsiendi andmesüsteemi kujul, mida saab välja võtta, kokku võtta ja aruannetesse lisada. Haigusregistrid, sealhulgas diabeedi, hüpertensiooni, kroonilise obstruktiivse kopsuhaiguse ja raske vaimse haiguse registrid, on üles ehitatud nendest kodeeritud kirjetest. QOF näitajad arvutatakse nende põhjal. Integreeritud tervishoiusüsteemi juhtpaneelid ja planeerimistööriistad ammutavad andmeid samuti neist allikatest.

Riiklikud auditiprogrammid, sealhulgas National Diabetes Audit ja NHS Englandi Primary Care Network juhtpaneeli mõõdikud, tuginevad samale struktureeritud andmekihile. Samuti ka riskistratifitseerimise tööriistad, mida integreeritud tervishoiunõukogud kasutavad suure vajadusega kohortide tuvastamiseks ja ressursside suunamiseks alarahastatud elanikkonna poole. Ükski neist süsteemidest ei suuda vabateksti narratiivi analüüsida. Vabatekstis kirjutatud kliinilisi märkmeid ei saa hõlpsasti tõlkida struktureeritud andmeväljadeks, mille tulemuseks on puuduv teave sümptomite, kokkupuudete ja tulemuste kohta – see on otsene takistus rahvastikutasandi järelevalvele.

Kus vabateksti märkmed aruandlusahelas katkevad

Tõrkepunktid on konkreetsed ja hästi dokumenteeritud. Kui arst salvestab uue diagnoosi konsultatsiooni märkmesse ilma vastavat SNOMED CT koodi määramata, ei jõua see diagnoos haigusregistrisse. Kui riskifaktor, nagu suitsetamise staatus, alkoholi tarbimine või südame-veresoonkonna haiguste perekonna ajalugu, on dokumenteeritud ainult narratiivses tekstis, ei kajastu see struktureeritud väljadel, mis juhivad QOF näitajaid või riskiskoore. Kui tulemus, näiteks suunamise otsus või ravimi muutmine, on kirjeldatud vaid vabatekstis, mitte kodeeritult, läheb see kaduma igas järgnevas aruandluses.

Uuring, mis kasutas 2,9 miljoni patsiendi andmeid Hollandi perearstipraksise andmebaasist, on näidanud, et struktureeritud koodid ja struktureerimata kliinilised märkmed täiendavad teineteist, mitte ei kattu. Enamik ühes andmetüübis salvestatud mõisteid ei esine teises. Leiti, et depressiooni konsultatsioonid tuginevad suuresti struktureerimata andmetele, kusjuures suhteliselt vähe mõisteid on jäädvustatud ainult struktureeritud koodides. See tähendab, et teatud kliinilistes valdkondades võivad rahvastiku tervise aruandeid toitvad andmed olla süstemaatiliselt puudulikud.

43 Ühendkuningriigi uuringu süstemaatiline ülevaade, kus kasutati kliinilist vabateksti, leidis, et vabateksti andmeid sisaldavad uuringud näitasid paremat täpsust võrreldes ainult struktureeritud koodidele tuginevate uuringutega. Samuti leiti, et vabateksti andmed eemaldatakse rutiinselt enne, kui andmed tehakse kättesaadavaks teadusuuringuteks, jättes kasutamata märkimisväärse rahvastiku tervise teabe allika. Ülevaade tõi esile, et Ühendkuningriigi perearstipraksise kliinilised märkmed ja vaimse tervise andmed tuginevad eriti vabateksti narratiividele.

Probleem ulatub selleni, kuidas uued diagnoosid andmetesse sisenevad. Uued diagnoosid on sageli salvestatud ainult kirjadesse, mis on esitatud halduskoodide all, näiteks „kiri spetsialistilt", mitte asjakohase diagnostilise koodi all. Kliiniline teave on patsiendi andmesüsteemis olemas, kuid see on salvestatud asukohta ja vormingusse, millele aruandlussüsteemid ligi ei pääse.

Uuring, mis võrdles diagnostilisi koode loomuliku keele töötlemise analüüsiga vabateksti kliinilistest märkmetest esmatasandi tervishoius, leidis oluliselt erinevaid levimuse hinnanguid sõltuvalt sellest, millist andmeallikat kasutati. Loomuliku keele töötlemine on tehisintellekti meetod, mis analüüsib ja mõistab inimkeelt. Kodeeritud andmed annavad juhtumite arvu kohta süstemaatiliselt alahinnatud tulemusi. Rahvastiku tervise kontekstis tähendab see, et ainult struktureeritud koodidest koostatud haigusregistrid hindavad tegelikku levimust järjepidevalt madalamaks ning alahindamise aste varieerub seisundi, arsti ja praktika lõikes.

Reaalsed tagajärjed perearstipraksistele ja integreeritud tervishoiunõukogudele

Tagajärjed avalduvad mitmel tasandil samaaegselt. Praktika tasandil vähendavad puudulikud haigusregistrid QOF saavutamiseks kõlblike patsientide arvu, mis võib vähendada üldisi tulemusnäitajaid ja sellega seotud sissetulekut. Kui asjakohase diagnoosiga patsiendid on salvestatud ainult vabatekstis, mitte haigusregistris, jäävad nad QOF tulemuslikkuse arvutamisel arvestamata, isegi kui kliiniline ravi oli asjakohane.

Integreeritud tervishoiunõukogu tasandil on tagajärjed hajusamad, kuid potentsiaalselt olulisemad. Riskistratifitseerimise tööriistad, mis määravad patsiendid kõrge, keskmise või madala vajaduse kategooriatesse, sõltuvad kodeeritud andmete täielikkusest. Moonutatud või puudulikud struktureeritud andmed viivad ebatäpse rahvastiku riskistratifitseerimiseni ning sellest tulenevalt ressursside jaotamise otsusteni, mis ei kajasta tegelikku rahvastiku vajadust. Kohordid, keda tuleks prioriseerida sihitud sekkumiste jaoks – sealhulgas inimesed diagnoosimata pikaajaliste seisunditega, mitme kaasneva haigusega või need, kes pärinevad kogukondadest, kus on ajalooliselt madalamad kodeeritud diagnoosimise määrad –, ei pruugi andmetes üldse kajastuda.

Tervise sotsiaalseid determinante ja elukvaliteedi mõõdikuid jäädvustatakse harva struktureeritud patsiendi andmesüsteemi väljadel ning need on dokumenteeritud, kui üldse, vabateksti märkmetes. See tekitab erilise probleemi tervise ebavõrdsuse jälgimisel. Kui alarahastatud elanikkonna tuvastamiseks kasutatavad andmed on koondatud vormingusse, mida aruandlussüsteemid lugeda ei suuda, jäävad need elanikkonnad planeerimisprotsessides nähtamatuks, süvendades olemasolevat ebavõrdsust selle asemel, et seda leevendada.

Haigusregistrid ja ravikvaliteedi hinnangud, mis kasutavad patsiendi andmesüsteeme, on eksitavad, kui vabateksti teavet ei võeta arvesse – seda on kinnitatud mitmes kliinilises valdkonnas, sealhulgas geriaatrilistes sündroomides ja postoperatiivsete tulemuste puhul, mis on dokumenteeritud peaaegu eranditult narratiivsetes märkmetes.

Miks arstid kasutavad vaikimisi vabateksti

Vabateksti dokumenteerimise levimus ei ole peamiselt käitumuslik probleem. See on süsteemi disaini küsimus.

Struktureeritud mallid ja kodeerimisliidesed enamikus patsiendi andmesüsteemides ei ole loodud perearstipraksise konsultatsiooni tempo ja kognitiivsete nõudmiste järgi. Rippmenüüde vahel liikumine, õige SNOMED CT koodi otsimine ja struktureeritud väljade täitmine võtab aega, mida standardse vastuvõtu jooksul ei ole. Kliiniline ebakindlus, stigma, ajasurve ja ebapiisav arstide koolitus kodeerimises on kõik dokumenteeritud põhjused, miks struktureeritud väljad jäävad puudulikuks, isegi kui arstid mõistavad nende tähtsust.

Dokumenteerimise koormus esmatasandi tervishoius on reaalne ja hästi tõendatud. Arstilt nõuda valikut, kas keskenduda täielikult patsiendile või tagada, et märkmed oleksid õigesti kodeeritud, ei ole mõistlik. Süsteemid, mis käsitlevad seda vastavuse küsimusena, mitte töövoo disaini küsimusena, ei too tõenäoliselt kaasa jätkusuutlikku paranemist.

Vabateksti kliiniliste andmete käsitsi kodeerimine on nii aeganõudev kui ka kulukas ning täpse kliinilise kodeerimise kognitiivne koormus konsultatsiooni ajal või vahetult pärast seda on märkimisväärne. Vabatekst ei ole lahendus, kuid paljude arstide jaoks on see ainsaks realistlikuks valikuks, arvestades olemasolevaid tööriistu.

Kuidas ümbritseva heli tehnoloogia ja tehisintellekti assistendid muudavad olukorda

Struktuurne pinge dokumenteerimise kiiruse ja andmete kvaliteedi vahel ei ole paratamatu. Ümbritseva heli tehnoloogia, mis kasutab tehisintellekti, et kuulata konsultatsiooni reaalajas ja genereerida samaaegselt nii narratiivseid märkmeid kui ka struktureeritud kliinilisi andmeid, muudab kompromissi olemust. Tehisintellekt on arvutisüsteemide võime täita ülesandeid, mis tavaliselt nõuavad inimlikku intelligentsust, nagu õppimine, mustrite tuvastamine ja otsuste tegemine.

Selle asemel, et arst peaks valima põhjaliku märkme kirjutamise ja õige koodi määramise vahel, saab ümbritseva heli tehnoloogiat kasutav tehisintellekti assistent teha mõlemat taustal. Arst viib konsultatsiooni läbi tavapäraselt. Assistent kuulab, koostab kliinilise märkme mustandi ja toob esile soovitatud SNOMED CT koodid ülevaatamiseks. Arst vaatab need üle ja kinnitab – protsess, mis võtab sekundeid, mitte minuteid, ning ei katkesta konsultatsiooni ennast.

See lähenemine lahendab vabateksti liigse kasutamise põhjuse: asjaolu, et struktureeritud dokumenteerimine nõuab praegu rohkem aega ja kognitiivset pingutust kui narratiivne dokumenteerimine. Kliiniliste andmete struktureeritud jäädvustamise parandamiseks on vaja uuenduslikke meetodeid, et hõlbustada rutiinselt kogutud kliiniliste andmete kasutamist patsiendi fenotüüpimiseks ja rahvastiku tervise aruandluseks. Ümbritseva heli tehnoloogial põhinevad tehisintellekti assistendid on üks praktilisemaid selle põhimõtte rakendusi esmatasandi tervishoius.

Struktureerimata vabateksti esmatasandi tervishoiu andmete automatiseeritud klassifitseerimine haiguse levimuse hindamiseks on tehniliselt võimalik, kuid selle tagasiulatuv rakendamine olemasolevatele andmetele on ressursimahukas. Tõhusam on ennetada andmelünkade tekkimist juba alguses, toetades struktureeritud jäädvustamist konsultatsiooni hetkel.

Milline näeb välja hea dokumenteerimine: struktureeritud märkmed ilma ravi aeglustamata

Dokumenteerimise töövoog, mis tõeliselt toetab rahvastiku tervise aruandlust, omab mitut olulist omadust:

• Automaatsed koodisoovitused, mis tuuakse esile pärast konsultatsiooni, lähtudes sellest, mida vastuvõtu ajal öeldi, ilma et arst peaks koodide käsitsi otsimisega tegelema kohtumise ajal või pärast seda

• Struktureeritud andmed, mis jäädvustatakse taustal, nii et haigusregistri kirjed, QOF-asjakohased näitajad ja suunamise otsused salvestatakse masinloetaval kujul ilma täiendava arsti sisendita

• Mallid, mis täidetakse ilma käsitsi andmesisestuseta, kasutades konsultatsiooni transkriptsiooni, et eeltäita struktureeritud väljad, mis muidu jääksid tühjaks või täidetaks vabatekstina

• Patsiendi andmesüsteemiga andmekihi tasandil integratsioon, nii et struktureeritud väljundid liiguvad otse kliinilise süsteemi asjakohastesse väljadesse, ilma et oleks vaja eraldi dokumenteerimise sammu

Erinevus selle lähenemise ja varasemate kodeerimisabivahendite vahel on märkimisväärne. Varasemad abivahendid nõudsid arstilt eraldi liidesega töötamist, koodide käsitsi otsimist või pikki soovituste loendeid, mis põhinesid arveldusandmetel, mitte kliinilisel sisul. Tehisintellektil põhinevad lahendused, mis töötavad konsultatsiooni transkriptsioonist ja toovad esile väikese arvu kõrge usaldusväärsusega koodisoovitusi kontekstis, erinevad töövoo mõjult oluliselt.

Struktureeritud ja struktureerimata patsiendi andmete ühendamine annab järjepidevalt täpsema patsiendi tuvastamise ja rahvastiku tervise ülevaate kui kumbki andmetüüp eraldi. Tehisintellekti abiga dokumenteerimise eesmärk ei ole vabateksti märkmete kõrvaldamine, mis kannavad tõelist kliinilist väärtust, vaid tagada, et struktureeritud andmekiht täidetakse järjepidevalt ja täpselt koos nendega.

Peamised kaalutlused tehisintellekti dokumentatsioonitööriistade hindamisel perearstipraksiste jaoks

Tervishoiu otsustajate jaoks, kes hindavad tehisintellekti dokumentatsioonitööriistu rahvastiku tervise aruandluse kontekstis, on mitmed kriteeriumid eriti olulised.

SNOMED CT koodisoovituste täpsus. Tehisintellekti assistendi kliiniline väärtus sõltub selle kodeerimissoovituste täpsusest ja spetsiifilisusest. Tööriistu tuleks hinnata tegelike esmatasandi tervishoiu konsultatsiooniandmete põhjal, läbipaistvusega kliiniliselt oluliste koodide valepositiivsete ja valenegatiivsete määrade osas.

Patsiendi andmesüsteemiga integratsiooni sügavus. Tööriist, mis genereerib struktureeritud väljundeid omandiõiguslikus vormingus, mitte ei salvesta neid otse praktika patsiendi andmesüsteemi asjakohastesse struktureeritud väljadesse, ei lahenda rahvastiku tervise aruandluse probleemi. Andmekihi tasandil integratsioon, mitte ainult liidese tasandil, on asjakohane standard.

Andmeturve ja privaatsus. Perearstipraksise konsultatsioonide andmed on ühed tundlikumad isikuandmed, mida üheski sektoris töödeldakse. Tööriistad peavad vastama Ühendkuningriigi üldisele andmekaitsemäärusele, selge dokumentatsiooniga andmete residentsuse, töötlemislepingute ja juurdepääsukontrollide kohta. ISO 27001 sertifikaat on baastaseme nõue. ISO 27001 on rahvusvaheline standard infoturbe juhtimissüsteemidele.

Meditsiiniseadme klassifikatsioon. Tehisintellekti tööriistad, mis mõjutavad kliinilist dokumenteerimist ja kodeerimisotsuseid, võivad olla klassifitseeritud meditsiiniseadmetena Ühendkuningriigi meditsiiniseadmete määruse alusel. Praksised ja integreeritud tervishoiunõukogud peaksid kinnitama hinnatava tööriista regulatiivse staatuse ning mõistma, milliseid kliinilise ohutuse kohustusi see klassifikatsioon kaasa toob.

Tõendid reaalsest tulemuslikkusest esmatasandi tervishoius. Eelretsenseeritud tõendid või vähemalt sõltumatult valideeritud tulemuslikkuse andmed Ühendkuningriigi esmatasandi tervishoiu seadetes peaksid olema kättesaadavad enne laialdast kasutuselevõttu. Tulemuslikkus sekundaarses ravis või USA tervishoiusüsteemi kontekstis ei ennusta usaldusväärselt tulemuslikkust Ühendkuningriigi perearstipraksises.

Dokumenteerimise kvaliteet on rahvastiku tervise küsimus

Rahvastiku tervise andmete kvaliteet on lahutamatult seotud sellega, kuidas üksikud arstid dokumenteerivad iga konsultatsiooni. Iga vabateksti kirje, mis sisaldab kliiniliselt olulist leidu – nagu uus diagnoos, kontrollimatu riskifaktor või halvenev pikaajaline seisund –, kuid millega ei kaasne struktureeritud koodi, esindab lünka andmetes, mis toidavad haigusregistreid, QOF arvutusi ja integreeritud tervishoiunõukogu planeerimistööriistu.

See ei ole probleem, mida saab lahendada, paludes arstidel hoolikamalt kodeerida. Dokumenteerimise koormus esmatasandi tervishoius on juba niigi suur ja selle suurendamine ei ole jätkusuutlik ega tõhus. Praktiline tee edasi on muuta konsultatsiooni ja dokumenteerimise vahelist suhet, kasutades tehisintellekti abi, et struktureeritud andmete jäädvustamine toimuks kliinilise ravi loomuliku osana, mitte täiendava ülesandena.

Ennustavad mudelid, mis kasutavad nii struktureeritud kui ka struktureerimata narratiivseid märkmeid, ületavad järjepidevalt neid, mis kasutavad vaid üht andmetüüpi. Sama põhimõte kehtib rahvastiku tervise aruandlusele: kõige täpsem ja täielikum pilt rahvastiku tervisest tekib siis, kui struktureeritud ja struktureerimata andmed jäädvustatakse koos, järjepidevalt, ravi hetkel. Selle saavutamine suures mahus üle perearstipraksiste või integreeritud tervishoiunõukogude on üks mõjukamaid infrastruktuuriotsuseid, mis täna tervishoiu otsustajatele kättesaadavad on.

Korduma kippuvad küsimused

▶ Miks vabateksti kliiniline dokumenteerimine põhjustab probleeme rahvastiku tervise aruandlusele

Rahvastiku tervise aruandlus sõltub struktureeritud, masinloetavatest andmetest. Kui arst salvestab diagnoosi või riskifaktori narratiivsesse märkmesse ilma vastavat SNOMED CT koodi määramata, jääb see teave haigusregistritele, Quality and Outcomes Framework arvutustele ja integreeritud tervishoiusüsteemi juhtpaneelidele nähtamatuks. Kliiniline detail on andmetes olemas, kuid aruandlussüsteemid ei suuda seda lugeda.

▶ Kui palju kliinilisi andmeid esmatasandi tervishoius on struktureerimata

Uuringud viitavad, et üle 80 protsendi digitaalsetest tervishoiuandmetest on struktureerimata ning esmatasandi tervishoius pole see erand. Vabateksti narratiivsed märkmed on perearstipraksise seadetes kliinilise dokumenteerimise peamine viis, mis tähendab, et märkimisväärne osa kliiniliselt tähenduslikust teabest ei jõua kunagi struktureeritud andmekihti, mis toidab aruandlussüsteeme.

▶ Millised on praktilised tagajärjed perearstipraksistele, kui dokumenteerimine on puudulik

Praktika tasandil tähendavad puudulikud haigusregistrid kaotatud Quality and Outcomes Framework punkte ja saamata jäänud tulu. Kui diagnoos on salvestatud ainult vabatekstis, ei jõua patsient asjakohasesse registrisse ning praktika ei saa taotleda seotud makseid, isegi kui kliiniline ravi on osutatud. Integreeritud tervishoiunõukogu tasandil viivad moonutatud struktureeritud andmed ebatäpse riskistratifitseerimise ja ressursside jaotamise otsusteni, mis ei kajasta tegelikku rahvastiku vajadust.

▶ Miks arstid kasutavad vaikimisi vabateksti märkmeid, mitte struktureeritud kodeerimist

Vabateksti dokumenteerimise levimus on süsteemi disaini, mitte käitumise küsimus. Rippmenüüde vahel liikumine ja õige SNOMED CT koodi otsimine võtab aega, mida standardse kümneminutilise konsultatsiooni jooksul ei ole. Kliiniline ebakindlus, stigma, ajasurve ja piiratud koolitus kodeerimises on kõik dokumenteeritud põhjused, miks struktureeritud väljad jäävad puudulikuks. Paljude arstide jaoks on vabatekst ainus realistlik valik, arvestades olemasolevaid tööriistu.

▶ Millised kliinilised valdkonnad on kõige rohkem mõjutatud vabateksti dokumenteerimisele tuginemisest

Uuring, mis kasutas 2,9 miljoni patsiendi andmeid Hollandi perearstipraksise andmebaasist, leidis, et depressiooni konsultatsioonid tuginevad peaaegu eranditult struktureerimata andmetele. 43 Ühendkuningriigi uuringu süstemaatiline ülevaade leidis, et Ühendkuningriigi perearstipraksise kliinilised märkmed ja vaimse tervise andmed tuginevad eriti vabateksti narratiividele. Tervise sotsiaalseid determinante ja elukvaliteedi mõõdikuid jäädvustatakse harva struktureeritud väljadel, mis tekitab konkreetseid probleeme tervise ebavõrdsuse jälgimisel.

▶ Kuidas ümbritseva heli tehnoloogia aitab struktureeritud kliinilise dokumenteerimisega

Ümbritseva heli tehnoloogia kasutab tehisintellekti, et kuulata konsultatsiooni reaalajas ja genereerida samaaegselt nii narratiivset märkust kui ka soovitatud SNOMED CT koode. Arst viib konsultatsiooni läbi tavapäraselt. Tehisintellekti assistent koostab märkme mustandi ja toob esile koodisoovitused ülevaatamiseks – protsess, mis võtab sekundeid ega katkesta vastuvõttu. See tähendab, et struktureeritud andmete jäädvustamine toimub konsultatsiooni käigus, mitte eraldi ülesandena pärast seda.

▶ Kas tehisintellekti abi kasutamine tähendab vabateksti märkmete eemaldamist kliinilistest andmetest

Ei. Tehisintellekti abiga dokumenteerimise eesmärk ei ole vabateksti märkmete kõrvaldamine, mis kannavad tõelist kliinilist väärtust. Uuringud näitavad järjepidevalt, et struktureeritud ja struktureerimata andmete ühendamine annab täpsema patsiendi tuvastamise ja rahvastiku tervise ülevaate kui kumbki andmetüüp eraldi. Eesmärk on tagada, et struktureeritud andmekiht täidetakse järjepidevalt ja täpselt koos narratiivsete märkmetega, mitte asendada üht teisega.

▶ Mida peaksid perearstipraksised ja integreeritud tervishoiunõukogud otsima tehisintellekti dokumentatsioonitööriistade hindamisel

Peamised kriteeriumid hõlmavad SNOMED CT koodisoovituste täpsust, integratsiooni sügavust praktika patsiendi andmesüsteemiga ning vastavust Ühendkuningriigi üldisele andmekaitsemäärusele, sealhulgas selget andmete residentsust ja juurdepääsukontrolle. ISO 27001 sertifikaat on baastaseme nõue. Praksised peaksid samuti kinnitama, kas tööriist on klassifitseeritud meditsiiniseadmena Ühendkuningriigi meditsiiniseadmete määruse alusel, ning otsima sõltumatult valideeritud tulemuslikkuse andmeid just Ühendkuningriigi esmatasandi tervishoiu seadetest.

▶ Kuidas puudulikud struktureeritud andmed mõjutavad tervise võrdsust

Riskistratifitseerimise tööriistad, mis tuvastavad suure vajadusega kohorte, sõltuvad täielikest kodeeritud andmetest. Kui kliiniliselt oluline teave asub ainult vabateksti märkmetes, ei pruugi kogukonnad, kus on ajalooliselt madalamad kodeeritud diagnoosimise määrad, planeerimisandmetes üldse kajastuda. Tervise sotsiaalseid determinante jäädvustatakse harva struktureeritud väljadel, mistõttu võivad kõige enam abi vajavad elanikkonnad jääda nähtamatuks protsessides, mis on loodud nende toetamiseks.

▶ Kas olemasolevate vabateksti andmete automatiseeritud kodeerimine on praktiline lahendus

Struktureerimata vabateksti andmete automatiseeritud klassifitseerimine loomuliku keele töötlemise abil on tehniliselt võimalik, kuid selle tagasiulatuv rakendamine olemasolevatele andmetele on ressursimahukas. Uuringud näitavad ka, et vabateksti andmed eemaldatakse rutiinselt enne, kui andmed tehakse kättesaadavaks analüüsiks, piirates seda, millele tagasiulatuvad tööriistad ligi pääsevad. Tõhusam on ennetada andmelünkade tekkimist juba alguses, toetades struktureeritud jäädvustamist konsultatsiooni hetkel.